针对人脸识别中存在遮挡、光照、表情变化等问题，提出了一种基于改进的鲁棒主成分分析的人脸识别算法，它利用人脸的稀疏误差成分准确判断出人脸图像之间的差异。该算法首先对人脸进行低秩恢复，得到表示人脸普通特征的低秩分量和描述人脸差分信息的稀疏误差分量，然后定义稀疏度和平滑度两种描述符来表示稀疏误差分量的特征，最后联合上述两种描述符对人脸图像进行分类判别。实验结果表明，在光照条件和遮挡区域随机的情况下，提出的采用误差图像进行分类判别的算法在处理遮挡、光照、表情变化等人脸识别问题上均具有优越的识别性能。

联合稀疏主成分分析

针对当前彩色图像和深度图像(RGB-D)特征融合困难、联合识别效率不高的问题, 提出了一种结合K奇异值分解(KSVD)和最大相关最小冗余准则(mRMR)的RGB-D场景图像融合算法。该算法首先采用KSVD稀疏图像的特征, 将稀疏系数对应的字典原子作为特征融合的参数, 以完整地表达图像的全部信息; 之后采用互信息的mRMR原则求取维度最小且各维度之间相关性最小的特征原子组合; 最后通过最大化原则融合特征原子对应的稀疏系数, 从而完成了两种图像之间的有效信息融合。实验结果表明, 该算法在信息熵、互信